Python装饰器的常见用途是什么？

在Python中，装饰器是一种函数，它可以修改其他函数的行为。装饰器可以被认为是函数的 “包装器”，它给函数新增了额外的功能。装饰器在Python中是非常有用的，特别是在函数式编程和面向切面编程中。

为什么使用装饰器？

在编写函数时，我们经常会遇到以下情况：

需要添加一些通用的功能，但是不想修改函数本身的代码；
想要在函数被调用或者返回前后执行一些操作。

这些问题可以通过使用装饰器来解决，让我们看看装饰器的常见用途。

1. 函数缓存

函数缓存可以帮助我们提高代码性能，减少重复计算。下面是一个非常简单的示例，演示了如何使用装饰器实现函数缓存：

import functools

@functools.lru_cache(maxsize=None)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

这个缓存装饰器使用Python内置的 functools.lru_cache 实现。它用于保存最近使用的函数结果，在缓存中查找参数的值以获取结果，而不是执行该函数。在上面的示例中，当调用 fibonacci(50) 后，结果会被缓存下来，以便下次调用时快速返回。

2. 计时器

有时候我们需要了解程序运行时间以便调试和优化。下面的装饰器可以帮助我们计时一个函数的执行时间：

import time
import functools

def timer(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.perf_counter()
        result = func(*args, **kwargs)
        end_time = time.perf_counter()
        print(f'{func.__name__} took {end_time - start_time:.8f}s')
        return result
    return wrapper

这个装饰器在函数开始和结束时记录时间，并输出函数执行的总时间。我们可以在需要使用计时器的函数上方加上 @timer 来装饰函数。

3. 日志

日志是我们记录程序状态的重要方法。下面的装饰器可以帮助我们记录函数被调用的次数、参数和返回值：

import functools

def logger(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        logger_string = f'{func.__name__} called with args={args} kwargs={kwargs}'
        result = func(*args, **kwargs)
        logger_string += f' returned {result}'
        print(logger_string)
        return result
    return wrapper

这个装饰器记录被装饰的函数被调用的次数、输入的参数以及函数的返回值。我们可以在需要使用日志的函数上方加上 @logger 来装饰函数。

4. 权限检查

当我们编写一个需要身份验证的Web应用程序时，经常需要检查用户是否具有足够的权限来执行某些操作。下面的装饰器演示了如何实现授权检查：

def authenticate(func):
    @functools.wraps(func)
    def wrapper(user, *args, **kwargs):
        if user.is_authenticated:
            return func(user, *args, **kwargs)
        else:
            raise ValueError("User is not authenticated")
    return wrapper

@authenticate
def delete_user(user, user_id):
    # delete user with user_id
    pass

这个装饰器检查用户是否已经通过身份验证，如果是，则允许函数执行。否则，它会引发一个值错误并防止该函数执行。

5. 缓存结果

类似于函数缓存，结果缓存可以帮助我们减少重复计算，但是与函数缓存不同，它可以缓存一个函数的结果而不是参数。下面的装饰器演示了如何实现结果缓存：

import functools

def cache_result(func):
    cache = {}
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        if args not in cache or kwargs not in cache[args]:
            result = func(*args, **kwargs)
            if args not in cache:
                cache[args] = {}
            cache[args][kwargs] = result
        return cache[args][kwargs]
    return wrapper

这个装饰器在缓存中存储一个函数的结果。如果输入的参数已经被缓存了，那么直接返回结果，否则执行函数并将结果存储在缓存中。我们可以在需要使用结果缓存的函数上方加上 @cache_result 来装饰函数。

6. 重试

当我们执行一些不稳定的操作时，例如网络请求或者文件读写操作，有时我们需要对操作失败进行重试。下面的装饰器演示了如何实现函数重试：

import time
import functools

def retry(attempts, delay=1):
    def decorator_retry(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            for attempt in range(1, attempts+1):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    print(f"Retry attempt {attempt}/{attempts} failed with error: {e}")
                    time.sleep(delay)
            raise Exception(f"All {attempts} retry attempts failed")
        return wrapper
    return decorator_retry

这个装饰器将函数执行的最大重试次数作为输入，并将一个 delay 参数作为可选参数。如果函数执行失败，则等待指定的延迟时间后进行重试，直到达到指定的最大尝试次数。我们可以在需要使用重试的函数上方加上 @retry(attempts=3, delay=2) 来装饰函数。